大數據時代的院校研究與大學管理

于文磊 南京航空航天大學

大數據是一個較為抽象的概念，其融合了統計學、數據分析學以及數據整理等多個學科知識與技術，可以全面的對事物做出較為準確的分析與判斷，近年來，大數據技術已經進入了各行各業之中，尤其是與物聯網、云計算技術等結合應用，共同推動了社會的發展。大數據技術可以高速捕獲、發現和分析大量多樣化的數據中的價值。傳統的大學管理主要是以經驗為主的主觀管理模式，在管理過程中依賴于決策層自身的能力，雖然也有調研、交流、學習等方式提升管理過程中的科學性，但是整體上效率偏低，尤其是管理效果難以及時評估，需要較長時間之后才能看出效果，這對于大學管理較為不利。

1 以數據分析為基礎的科學決策

數據分析的理念與概念出現的較高，通過數據分析結果，做出決策是一種科學理想的決策思維。但是傳統的數據收集、處理、分析技術效率地下，需要大量的人力與物力，依然難以做到面面俱到。而隨著人類社會的發展，數據的增量已然極為恐怖。大數據技術是基于這樣的背景下誕生的高校的數據收集、處理、分析技術。

作為最高等級的教育場所，以數據為依據進行決策是其科學性的重要體現。這一點在每個的大學院校中體現的極為突出，美國院校基本都設有數據分析與研究機構，其主要職能就是通過數據分析為院校決策提供依據，進行科學的大學管理。通過數據分析與研究，可以建立有效的數字模型，決策者可以通過模型直觀的看出管理中的問題，當大學管理出現問題時，首先就是對數據分析結果進行回溯，然后以此為依據進行決策，實現以數據分析為基礎的科學管理。

2 利用全面的數據整體性的分析問題

大數據的大不單單指的是數據量大，還包括了數據類型大、數據來源大以及數據復雜性大。一般情況下，我們可以簡單的將數據分為結構化數據與非結構化數據，結構化數據是指不同數據之間的存在著較為明顯的聯系性，結構化數據分析的作用很多，但是全面性不足，傳統的數據分析技術由于分析能力有限，主要是對結構化數據進行分析。非結構數據分析極大的提升了數據分析的全面性，在大學管理中應用，可以提供更為全面科學的決策依據。比如在對學生進行評價時，不單單是分數、技能、學術活動、在校經歷等指標性的評價，學生的價值觀、道德觀、人生態度等非指標性的評價也非常重要。指標性評價的數據統計分析非常簡單，通過歷次考試與活動的記錄即可以清晰評價，但非指標性的評價要想保持客觀性較為困難，因此在傳統評價中多以主觀為主。而大數據可以解決這一問題，其通過對學生在校期間產生的所有數據，如社交平臺數據等，進行分析處理，可以全面的揭示學生行為與心理發展過程，進而進行全面科學的評價。

3 通過數據因果關系發現新的問題

有因就有果，這是我們常說的一句話。因果關系是我們探索世界的基本思維模式，大數據技術就是探尋數據因果關系的一種技術。數據相關性是數據研究的基礎，隨著大學教育信息管理系統的完善，院校數據庫越來越豐富，其內蘊含的財富也越來越巨大，院校決策者與研究人員從中尋找因果關系，發現新問題成為提升大學管理的重要途徑。比如，我們常認為按時吃早餐可以有效提高學習效率，但是復旦大學宓詠老師通過挖掘學生早餐消費次數與成績績點(GPA)的關系發現，早餐次數較多的學生成績績點不會太低，但早餐消費次數較少的學生中成績績點高的也大有人在。說明，早餐與成績并無直接關系，這打破了我們原有的慣性思維認知帶來的偏差。

4 大數據時代我國的院校研究

現階段我們正位于大數據蓬勃發展的時代，大數據在我國高校中的應用效果也初見端倪，但是需要承認的是，在整體上我國的院校研究還落后于先進國家，尤其是美國，而相比于我國的電子商務等行業，大數據技術在院校研究中的應用也有所不足。突出表現在軟件、算法、工具等方面，要想改變這一現狀，需要做好以下幾點內容：

4.1 營造數據文化，提高數據意識和數據質量

大數據及時的核心是數據，因此數據文化的營造非常重要，只有營造好數據文化，切實意識到數據的重要性，提高數據的質量才能更好的發揮大數據技術的特點與優勢。首先要認識到數據是客觀存在的，是理性思維，科學決策的基礎，避免經驗主義，主觀決策的思想；其次要保證數據收集的真實性與一致性，提高數據質量，高質量的數據才可以提供高質量的決策依據，尤其是在數據爆炸的當下，不實數據與垃圾數據橫向，要缺少提高數據的甄選能力。

4.2 加快數據系統的建設、公開和共享

數據系統的建設是大數據技術有效實施的基礎，在大數據時代的院校研究中要切實加快數據系統的建設，盡快將不同院校納入到數據系統之中，實現數據信息的公開、共享與應用。比如學術數據系統，知網空間就是一個較為成功的范例。要做到以下幾點：

(1）完善以國家為主導建設的教育信息管理系統，推動其逐漸向社會與高校開發，通過設置不同權限保證其安全性的同時，提高其共享性，發揮社會功能。

(2）建立高效減的數據系統聯盟，實現高校間的數據共享。在推動過程中，要注意設置不同高校間的界限，嚴格區分可共享數據與不可共享數據，促進學術交流的同時，保護院校師生的個人信息安全。

(3）制定統一的院校數據標準，開發一套共同話語和標準界定以及科學的操作流程，有效整合院校研究數據和資源，實現行業整合發展。

4.3 提升對數據的挖掘分析和應用能力

數據系統的建設是基礎，數據挖掘分析是手段，而數據的應用是目的。做好數據系統的基礎后，要切實提高數據的挖掘分析能力。數據挖掘技術是針對計算機的數據庫進行全方面的分析與判斷，從而尋找出有效信息的一種技術。在我們的日常生活中會產生大量的數據，這些數據可能是有用的，也可能是無效的，數據挖掘就是對所有的信息進行深入的發掘，尋找有用的信息。分析不同信息之間的關聯，進行聚類與分類。通過數據挖掘之后，原本紛亂繁雜的信息并的井井有條，可以為相關的數據分析與數據決策提供基礎。數據挖掘的應用場景不同，其應用目的與相關算法也有所區別，要根據實際應用需求選擇與數據特征相關的算法。數據系統建成之后，數據挖掘技術是實現大數據技術進行院校研究的基本手段。

總之，對當前中國院校研究而言，知識和智慧是最有價值的，但是數據庫建設和運用數據的技術是最為緊迫和關鍵的。數據也是現代大學管理的一個新的戰略制高點，我們必須通過有效的院校研究，用數據改進大學管理、用數據推動中國大學創新。